基于灰色RBF神经网络的传播损耗模型训练.PDF

第３３卷第８期　　　 计算机应用与软件 Ｖｏｌ３３Ｎｏ．８ ２０１６年８月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ａｕｇ．２０１６ 基于灰色ＲＢＦ神经网络的传播损耗模型训练 李丽娜　梁德　马　俊　涂　志 （辽宁大学物理学院　辽宁沈阳 １１００３６） 摘　要　　室内信号传播损耗模型是基于信号强度测距法的射频识别定位技术的关键。但因室内环境较为复杂且受到多径效应等 因素影响，传统的基于经验的信号传播损耗模型环境适应性差，导致测距定位误差较大；而利用传统的神经网络进行传播损耗模型 训练则存在所需训练样本过多、硬件采集工作量大等缺点。针对以上问题，提出在变密度采样模式下的基于灰色理论与ＲＢＦ神经 网络相结合的传播损耗模型训练方法。基于灰色理论，利用少量样本预测得到更多样本，并与部分原始样本共同重组样本数据进行 ＲＢＦ网络的训练，以构建传播损耗模型。实验结果表明，该方法可以利用较少的训练样本准确地建立室内信号传播损耗模型，可以 很好地满足室内测距定位的精度要求，并可大大减少样本采集工作量。 关键词　　室内定位　射频识别　传播损耗模型　径向基神经网络　灰色理论 中图分类号　ＴＰ１８３　ＴＮ９１１．７　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１６．０８．０３０ ＰＲＯＰＡＧＡＴＩＯＮＬＯＳＳＭＯＤＥＬＴＲＡＩＮＩＮＧＡＬＧＯＲＩＴＨＭ ＢＡＳＥＤＯＮＧＲＥＹＲＢＦＮＥＵＲＡＬＮＥＴＷＯＲＫ ＬｉＬｉ’ｎａ　ＬｉａｎｇＤｅｓｕ　ＭａＪｕｎ　ＴｕＺｈｉ （ＣｏｌｌｅｇｅｏｆＰｈｙｓｉｃｓ，ＬｉａｏｎｉｎｇＵｎｉｖｅｒｓｉｔｙ，Ｓｈｅｎｙａｎｇ１１００３６，Ｌｉａｏｎｉｎｇ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｄｏｏｒｓｉｇｎａｌｐｒｏｐａｇａｔｉｏｎｌｏｓｓｍｏｄｅｌｉｓｔｈｅｋｅｙｔｏｔｈｅｒａｄｉｏｆｒｅｑｕｅｎｃｙｉｄｅｎｔｉｆｉｃａｔｉｏｎ（ＲＦＩＤ）ｌｏｃａｌｉｓａｔｉｏｎｔｅｃｈｎｏｌｏｇｙｂａｓｅｄｏｎ ｒｅｃｅｉｖｅｄｓｉｇｎａｌｓｔｒｅｎｇｔｈｉｎｄｉｃａｔｏｒ（ＲＳＳＩ）．Ｂｅｃａｕｓｅｏｆｔｈｅｒａｔｈｅｒｃｏｍｐｌｅｘｉｎｄｏｏｒｅｎｖｉｒｏｎｍｅｎｔａｎｄｔｈｅｉｎｆｌｕｅｎｃｅｏｆｍｕｌｔｉｐａｔｈｅｆｆｅｃｔ，ｔｒａｄｉｔｉｏｎａｌ ｅｍｐｉｒｉｃａｌｓｉｇｎａｌｐｒｏｐａｇａｔｉｏｎｌｏｓｓｍｏｄｅｌｈａｓｐｏｏｒｅｎｖｉｒｏｎｍｅｎｔａｌａｄａｐｔａｂｉｌｉｔｙ，ａｎｄｔｈｉｓｌｅａｄｓｔｏｂｉｇｇｅｒｌｏｃａｌｉｓａｔｉｏｎｅｒｒｏｒｉｎｒａｎｇｉｎｇ．Ｂｅｓｉｄｅｓｔｈｅ ｔｒａｉｎｉｎｇｏｆｐｒｏｐａｇａｔｉｏｎｌｏｓｓｍｏｄｅｌｕｓｉｎｇｔｒａｄｉｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｈａｓｔｈｅｄｉｓａｄｖａｎｔａｇｅｓｏｆｔｏｏｍｕｃｈｔｒａｉｎｉｎｇｓａｍｐｌｅｓｒｅｑｕｉｒｅｄａｎｄｈｅａｖｙ ｃｏｌｌｅｃｔｉｏｎｗｏｒｋｌｏａｄｉｎｈａｒｄｗａｒｅ．Ｔｏｏｖｅｒｃｏｍｅｔｈｅｐｒｏｂｌｅｍｓｍｅｎｔｉｏｎｅｄａｂｏｖｅ，ｗｅｐｕｔｆｏｒｗａｒｄｔｈｅｔｒａｉｎｉｎｇｍｅｔｈｏｄｆｏｒｐｒｏｐａｇａｔｉｏｎｌｏｓｓｍｏｄｅｌｉｎ ｖａｒｉａｂｌｅｄｅｎｓｉｔｙｓａｍｐｌｉｎｇｍｏｄｅ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｔｈｅｃｏｍｂｉｎａｔｉｏｎｏｆｇｒｅｙｔｈｅｏｒｙａｎｄｒａｄｉａｌｂａｓｉｓｆｕｎｃｔｉｏｎ（ＲＢＦ）ｎｅｕｒａｌｎｅｔｗｏｒｋ．Ｂａｓｅｄｏｎ ｇｒｅｙｔｈｅｏｒｙ，ｍｏｒｅｔｒａｉｎｉｎｇｓａｍｐｌｅｓｃａｎｂｅｆｏｒｅｃａｓｔｅｄｂｙｕｓｉｎｇｆｅｗｅｒｓａｍｐｌｅｓ，ａｎｄｔｈｅｙａｒｅｕｓｅｄｔｏｇｅｔｈｅｒｗｉｔｈｐａｒｔｏｆｔｈｅｏｒｉｇｉｎａｌｓａｍｐｌｅｓｔｏ ｒｅｃｏｎｓｔｒｕｃｔｔｈｅｓａｍｐｌｅｄａｔａｆｏｒＲＢＦｎｅｕｒａｌｎｅｔｗｏｒｋｔｒａｉｎｉｎｇ，ｓｏａｓｔｏｂｕｉｌｄｔｈｅｐｒｏｐａｇａｔｉｏｎｌｏｓｓｍｏｄｅｌ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｂｙ